Riset Tsinghua Hadirkan 'Modem' Antar-AI: Model Bisa Bertukar Pikiran Tanpa Menulis Teks

Sebuah tim riset dari Tsinghua University merilis makalah yang memperkenalkan teknik anyar bernama Cache-to-Cache (C2C), sebuah protokol yang memungkinkan dua model kecerdasan buatan bertukar informasi internal tanpa perlu menghasilkan teks perantara. Metode ini telah diterima di konferensi ICLR 2026 dan kode sumbernya tersedia terbuka bagi pengembang.

Selama ini, ketika beberapa model bahasa besar (LLM) bekerja sama dalam satu pipeline, salah satu model harus mengubah hasil penalarannya menjadi kalimat tertulis sebelum model lain dapat membacanya. Proses penulisan ulang itu tidak hanya memakan waktu komputasi, tetapi juga mengorbankan detail halus yang tersimpan dalam representasi internal model pertama. C2C menawarkan jalan pintas: alih-alih mengetik, model pertama mengirimkan 'cache' — memori kerja yang berisi jejak pemrosesan — langsung ke bank memori model kedua.

Kendala utama dari pendekatan ini adalah perbedaan arsitektur internal antar model. Setiap model menyimpan memori dengan tata letak, ukuran, dan struktur yang tidak seragam, sehingga mentransfer cache mentah-mentah berisiko membingungkan model penerima. Untuk mengatasinya, C2C menyertakan program bantu bernama Fuser yang bertugas membentuk ulang dan memutar informasi agar dapat dicerna. Selain itu, ada mekanisme 'selective gating' yang memfilter bagian memori mana yang layak diserap segera, sementara lapisan lain tetap bernalar mandiri tanpa gangguan eksternal.

Menurut para peneliti, percepatan ini berpotensi mengubah cara sistem multi-agen AI dirancang. Selama ini, arsitektur yang mengandalkan komunikasi teks antar model sering menjadi bottleneck, terutama pada aplikasi yang menuntut respons cepat seperti asisten virtual atau sistem pendukung keputusan real-time. Dengan C2C, latensi yang timbul dari proses 'menulis dan membaca' bisa ditekan signifikan.

"Bahasa tertulis selalu memperlambat mesin karena memaksa mereka berpikir seperti manusia," argumen tim peneliti, seraya menambahkan bahwa pendekatan berbasis cache lebih sesuai dengan cara kerja komputasi paralel.

Namun, klaim tersebut perlu dicermati. Tim yang mengembangkan sistem ini juga yang menjalankan seluruh pengujian internal, sehingga validasi independen masih dinanti. Selain itu, C2C saat ini hanya kompatibel dengan model open-weight. Model-model komersial populer yang dipakai masyarakat luas — seperti chatbot milik perusahaan teknologi besar — menyembunyikan detail cache dan lapisan internal mereka, sehingga teknik ini tidak bisa diterapkan begitu saja tanpa modifikasi privat dari pengembang masing-masing.

Pertanyaan tentang adopsi di industri pun mengemuka. Tidak ada informasi publik apakah perusahaan AI telah mengadopsi metode serupa secara internal. Jika C2C terbukti efektif dalam pengujian eksternal, bukan tidak mungkin pendekatan ini menjadi standar baru dalam orkestrasi multi-model, mendorong efisiensi energi dan biaya komputasi yang selama ini menjadi momok bagi penyedia layanan AI skala besar.

Bagi Indonesia, perkembangan ini menawarkan peluang sekaligus tantangan. Pelaku riset lokal dan pengembang model open-source dapat memanfaatkan kode C2C untuk membangun sistem AI yang lebih efisien, terutama di sektor-sektor dengan sumber daya komputasi terbatas seperti pertanian presisi, layanan kesehatan daerah, atau administrasi publik. Namun, ketergantungan pada model open-weight berarti adopsi di lingkungan enterprise yang menggunakan API tertutup masih mustahil dalam waktu dekat. Regulator juga perlu mencermati implikasi keamanan dari pertukaran memori antar model, karena informasi yang dipertukarkan bisa saja mengandung data sensitif tanpa melalui enkripsi teks yang biasa diaudit.

Ke depan, pertanyaannya bukan hanya seberapa cepat C2C diadopsi, tetapi apakah pendekatan 'berbicara lewat cache' ini akan mendorong lahirnya protokol standar antar-AI yang lebih aman dan transparan. Jika ya, lanskap pengembangan AI bisa bergeser dari sekadar mengejar parameter besar ke arah efisiensi arsitektur yang lebih cerdas.